跳到正文
热点事件持续更新

研究:16个LLM生成的儿童故事存在性别刻板印象

1 篇报道1 个报道来源2 小时前更新

先了解这件事

AI 综述

Sayumi Muthukumarana 等研究者在 arXiv 发布论文,分析 16 个 LLM 在 35 种国家设定、12 种叙述者角色下生成的儿童睡前故事,用女儿/儿子匹配提示词共保留并分析了 62,873 篇故事,发现面向儿子的故事比面向女儿的故事强调更高的能动性、更低的亲和性。 研究还通过隐藏状态分析发现,模型内部可解码出受众性别信息。研究者提出多层级评估框架,并呼吁超越短文本基准,开展叙事类长文本的偏见评估。

AI 根据报道生成 · 1 小时前更新

报道时间线

沿着报道,了解事件的不同侧面。

11月20日
  1. arXiv cs.AI
    Once Upon a Bias:LLM 生成儿童故事中的性别刻板印象研究

    一项大规模研究考察了 16 个 LLM 生成的睡前故事中的性别刻板印象,基于女儿/儿子匹配提示词、35 个国家设定和 12 种叙述者角色,分析了 62,873 篇保留故事。结果显示,面向儿子的故事比面向女儿的故事强调更高的能动性、更低的亲和性;隐藏状态分析显示模型内部可解码出受众性别信息。研究者提出多层级评估框架,呼吁超越短文本基准开展叙事类偏见评估。

本事件热度走势

还没有足够的连续观测数据,暂不绘制趋势。